- ICH GCP
- Rejestr badań klinicznych w USA
- Badanie kliniczne NCT05836246
Rozwój platformy oprogramowania do ilościowego obrazowania ultrasonograficznego
Rozwój opartej na sztucznej inteligencji (AI) platformy oprogramowania do obrazowania ultrasonograficznego o wysokiej wydajności strukturalno-funkcjonalnej i ilościowej
Celem tego badania obserwacyjnego jest porównanie różnic obrazu między konwencjonalnym ultrasonografem a oprogramowaniem ultrasonograficznym opartym na sztucznej inteligencji u świadomych dorosłych.
Głównym pytaniem, na które ma odpowiedzieć, jest ocena skuteczności poprzez stwierdzenie, że nowa metoda analizy obrazu jest uważana za ważną, jeśli pomaga zidentyfikować więcej niż 30% cech histologicznych.
Uczestnicy zostaną poddani badaniu dwoma wymienionymi wcześniej metodami po podpisaniu formularza zgody.
Przegląd badań
Status
Typ studiów
Zapisy (Oczekiwany)
Kontakty i lokalizacje
Lokalizacje studiów
-
-
Gyeonggi-do
-
Seongnam, Gyeonggi-do, Republika Korei, 13620
- Seoul National University Bundang Hospital
-
-
Kryteria uczestnictwa
Kryteria kwalifikacji
Wiek uprawniający do nauki
- Dorosły
- Starszy dorosły
Akceptuje zdrowych ochotników
Metoda próbkowania
Badana populacja
Opis
Kryteria przyjęcia:
- Osoby z chorobami serca, chorobami tarczycy, chorobami piersi i chorobami wątroby.
Kryteria wyłączenia:
- Ktoś, kto przeszedł operację na danym narządzie docelowym.
Plan studiów
Jak projektuje się badanie?
Szczegóły projektu
Co mierzy badanie?
Podstawowe miary wyniku
Miara wyniku |
Opis środka |
Ramy czasowe |
---|---|---|
Ilościowe informacje ultrasonograficzne
Ramy czasowe: 5 lat
|
Ilościowe obrazy ultrasonograficzne chorób serca, tarczycy i piersi
|
5 lat
|
Współpracownicy i badacze
Publikacje i pomocne linki
Publikacje ogólne
- Cheng PM, Malhi HS. Transfer Learning with Convolutional Neural Networks for Classification of Abdominal Ultrasound Images. J Digit Imaging. 2017 Apr;30(2):234-243. doi: 10.1007/s10278-016-9929-2.
- Chi J, Walia E, Babyn P, Wang J, Groot G, Eramian M. Thyroid Nodule Classification in Ultrasound Images by Fine-Tuning Deep Convolutional Neural Network. J Digit Imaging. 2017 Aug;30(4):477-486. doi: 10.1007/s10278-017-9997-y.
- F. Milletari, N. Navab and S. -A. Ahmadi. V-Net: Fully Convolutional Neural Networks for Volumetric Medical Image Segmentation. 2016 Fourth International Conference on 3D Vision (3DV), Stanford, CA, USA. 2016; 565-571.
- Ma J, Wu F, Jiang T, Zhu J, Kong D. Cascade convolutional neural networks for automatic detection of thyroid nodules in ultrasound images. Med Phys. 2017 May;44(5):1678-1691. doi: 10.1002/mp.12134. Epub 2017 Apr 17.
- Chen H, Zheng Y, Park JH, Heng PA, Zhou SK. (2016). Iterative Multi-domain Regularized Deep Learning for Anatomical Structure Detection and Segmentation from Ultrasound Images. Medical Image Computing and Computer-Assisted Intervention - MICCAI 2016. 2016; 9901.
- Lekadir K, Galimzianova A, Betriu A, Del Mar Vila M, Igual L, Rubin DL, Fernandez E, Radeva P, Napel S. A Convolutional Neural Network for Automatic Characterization of Plaque Composition in Carotid Ultrasound. IEEE J Biomed Health Inform. 2017 Jan;21(1):48-55. doi: 10.1109/JBHI.2016.2631401. Epub 2016 Nov 22.
Daty zapisu na studia
Główne daty studiów
Rozpoczęcie studiów (Rzeczywisty)
Zakończenie podstawowe (Oczekiwany)
Ukończenie studiów (Oczekiwany)
Daty rejestracji na studia
Pierwszy przesłany
Pierwszy przesłany, który spełnia kryteria kontroli jakości
Pierwszy wysłany (Rzeczywisty)
Aktualizacje rekordów badań
Ostatnia wysłana aktualizacja (Rzeczywisty)
Ostatnia przesłana aktualizacja, która spełniała kryteria kontroli jakości
Ostatnia weryfikacja
Więcej informacji
Terminy związane z tym badaniem
Dodatkowe istotne warunki MeSH
- Choroby Układu Pokarmowego
- Niedokrwienie
- Procesy patologiczne
- Martwica
- Niedokrwienie mięśnia sercowego
- Choroby serca
- Choroby układu krążenia
- Choroby naczyniowe
- Choroby skórne
- Nowotwory
- Nowotwory według lokalizacji
- Choroby układu hormonalnego
- Choroby wątroby
- Zawał mięśnia sercowego
- Zawał
- Nowotwory piersi
- Choroby tarczycy
- Choroby piersi
- Włóknisto-torbielowata choroba piersi
Inne numery identyfikacyjne badania
- B-1910-570-301
Informacje o lekach i urządzeniach, dokumenty badawcze
Bada produkt leczniczy regulowany przez amerykańską FDA
Bada produkt urządzenia regulowany przez amerykańską FDA
Te informacje zostały pobrane bezpośrednio ze strony internetowej clinicaltrials.gov bez żadnych zmian. Jeśli chcesz zmienić, usunąć lub zaktualizować dane swojego badania, skontaktuj się z register@clinicaltrials.gov. Gdy tylko zmiana zostanie wprowadzona na stronie clinicaltrials.gov, zostanie ona automatycznie zaktualizowana również na naszej stronie internetowej .
Badania kliniczne na Ostry zawał mięśnia sercowego
-
Lundquist Institute for Biomedical Innovation at...RekrutacyjnyDługodystansowy COVID lub Post Acute Sequella COVID - PASC (U09.9)Stany Zjednoczone
-
Intermountain Health Care, Inc.Regeneron PharmaceuticalsJeszcze nie rekrutacjaPost-acute COVID-19 (PACS) lub zespół „długiego COVID-19”.Stany Zjednoczone